IA : un signal commun pour refuser l’entraînement, ce que les éditeurs doivent savoir

Par Rédaction E.T Editalent, publié le 2026-11-05. Mis à jour le 2026-11-05.

Contenu partiellement rédigé par l’IA.

Google, Microsoft et OpenAI ont annoncé leur soutien à un signal commun permettant à un site de refuser, en une seule déclaration dans son fichier robots.txt, que ses contenus servent à entraîner des modèles d’intelligence artificielle générative. Anthropic, à l’origine de la proposition, travaille à sa prise en charge. Pour les éditeurs de presse, la promesse est réelle, mais ses limites le sont aussi.

Photo d’archive : salle de serveurs d’un centre de données, photographiée le 17 mars 2013, crédit BalticServers.com, via Wikimedia Commons, CC BY-SA 3.0. Recadrage 16:9 et réduction ; mêmes conditions de licence.

Une annonce plus ancienne qu’il n’y paraît

L’information circule largement ce 5 novembre, mais les annonces remontent au vendredi 30 octobre, selon Search Engine Journal et The Next Web. Les reprises de cette semaine ne marquent donc pas un nouveau tournant ; elles accompagnent la discussion ouverte dans le secteur des médias.

Il faut aussi mesurer la portée des engagements. Google, Microsoft et OpenAI annoncent un soutien, avec des calendriers de mise en œuvre différents. Aucun acteur n’applique encore le signal de façon généralisée.

Comment fonctionne le signal

La proposition porte le nom de « Machine-Readable Training Preference Signal ». Elle a été publiée sous forme d’Internet-Draft individuel dans le cadre des travaux de l’IETF sur les préférences d’usage par l’IA. Ce document n’est ni une norme adoptée ni une RFC : c’est une proposition soumise à discussion.

Le mécanisme réutilise la syntaxe classique du fichier robots.txt. Pour refuser l’entraînement sur tout le site, il suffit de déclarer un groupe dédié au jeton __usage_ai-training suivi d’une ligne Disallow: /. Une ligne Allow permet de prévoir des exceptions par répertoire, selon le texte du brouillon et Search Engine Journal.

Le changement est surtout pratique. Aujourd’hui, un éditeur doit déclarer une préférence différente pour chaque robot ou fournisseur. Le signal commun remplace cette liste par un seul groupe, compris par tous ceux qui l’adoptent.

Une préférence, pas un verrou

Le brouillon le dit en toutes lettres : « This policy token is not a directive for crawling behavior. » Autrement dit, le signal n’empêche pas techniquement un robot de télécharger une page. Il exprime une préférence d’usage, que les acteurs engagés s’obligent à respecter.

Deux précisions comptent pour les sites. La règle générale User-Agent: * ne vaut pas pour ce jeton : sans groupe explicite, aucune préférence n’est exprimée. Et des accords de licence conclus entre un éditeur et un acteur de l’IA peuvent primer sur le signal.

Entraînement et réponses : deux usages distincts

Le texte définit l’entraînement comme l’utilisation d’un contenu pour modifier les paramètres appris d’un modèle génératif. La récupération d’une page au moment de composer une réponse, parfois appelée ancrage, n’entre pas dans cette définition.

La distinction est décisive pour les éditeurs. Refuser l’entraînement ne retire pas automatiquement un article des réponses générées à partir du web en temps réel. Selon Search Engine Journal et The Next Web, Google prévoit d’interpréter le refus commun comme un refus Google-Extended en l’absence de choix spécifique ; or ce réglage couvre aussi l’ancrage des réponses de son assistant. Microsoft, de son côté, distingue entraînement et ancrage, et indique que limiter ce dernier réduit la visibilité dans ses expériences d’IA sans modifier le classement de son moteur classique.

Ces interprétations propres à chaque acteur ne valent pas pour tous les produits. En particulier, rien dans les annonces vérifiées ne permet d’affirmer que le signal retirera un site des aperçus générés dans les résultats de recherche.

Un calendrier étalé jusqu’en 2027

Selon Search Engine Journal et The Next Web, Anthropic a commencé le développement, OpenAI vise « les prochains mois », Microsoft annonce le 1er février 2027 et Google une prise en charge début 2027. Ce sont des engagements annoncés, pas des déploiements constatés.

D’ici là, les préférences existantes, fournisseur par fournisseur, restent la seule façon fiable d’exprimer un refus. Rien n’empêche d’ajouter dès maintenant le groupe commun : il ne produira d’effet qu’au fur et à mesure des mises en œuvre.

Le contexte juridique européen

L’annonce intervient la même semaine que les conclusions de l’avocat général de la Cour de justice de l’Union européenne dans l’affaire C-250/25, rendues le 3 novembre. Elles portent surtout sur la réutilisation d’articles de presse dans des réponses générées, et ne lient pas la Cour. Notre analyse de ces conclusions détaille ce qu’elles disent et ne disent pas.

Aucun lien de cause à effet n’existe entre les deux événements : les annonces du signal précèdent les conclusions. Le signal n’est pas une licence et ne règle pas la question de la reprise des articles dans les réponses.

Ce que les rédactions peuvent faire dès maintenant

D’abord, décider. Refuser l’entraînement, l’autoriser, ou le réserver à des partenaires sous licence sont trois stratégies distinctes, qui relèvent de la direction éditoriale et commerciale plus que de la technique.

Ensuite, séparer les deux questions : l’entraînement d’un côté, la présence dans les réponses générées de l’autre. Bloquer la seconde peut réduire la visibilité d’un média dans les moteurs de réponse. Notre article sur l’enquête turque visant les aperçus générés par l’IA montre que les autorités de concurrence s’intéressent précisément à ce choix.

Enfin, documenter. Conserver la date et le contenu de chaque modification du fichier robots.txt permet de prouver, le cas échéant, quand un refus a été exprimé.

Questions fréquentes

Le signal commun est-il déjà actif ?

Non. Les acteurs annoncent une prise en charge entre les prochains mois et le début de 2027.

Refuser l’entraînement retire-t-il mes articles des réponses de l’IA ?

Pas automatiquement. L’entraînement et la récupération de pages pour composer une réponse sont deux usages distincts, traités différemment selon les acteurs.

Est-ce une norme officielle ?

Non. C’est un Internet-Draft individuel discuté à l’IETF, pas une norme adoptée.

Quelle ligne ajouter au robots.txt ?

Un groupe User-Agent: __usage_ai-training suivi de Disallow: / exprime un refus pour tout le site, selon le brouillon publié.

Sources

• IETF, Internet-Draft « Machine-Readable Training Preference Signal ».
• Search Engine Journal, signal commun de refus de l’entraînement.
• The Next Web, refus de l’entraînement par robots.txt.
• Generation NT, reprise du 5 novembre 2026.
• Cour de justice de l’Union européenne, communiqué sur les conclusions C-250/25.
• Crédit photo : BalticServers.com / Wikimedia Commons / CC BY-SA 3.0.

Retour au blog